作者
除了通过优化库存管理来降低成本外，对数据的利用还可以在供应链的上游或下游提供宝贵的帮助。Artefact Associé Jérôme Petit 在 LSA 论坛上指出："这是人类真正的良药。.
虽然所有行业都需要在最佳时机生产出最佳数量的产品，但大型分销行业对库存管理问题尤为关注。为了保证销售量，这些行为者需要更多的历史数据。这是一种包含某些缺陷的方法。如今，通过机器学习，可以建立更加公正的预测模型，并考虑到影响消费的信号面板。.
Au-delà de l'historique des ventes : le défi de la grande distribution
由于涉及到大量的日常消耗品（有时甚至是易碎品），库存的管理对 PGC（大宗消费品）行业来说是一个不小的挑战。在美国，库存和过剩库存以及产品回收每年耗资 175 万美元。在此之前，为了降低投资和开发成本，企业资源规划（ERP）的预测所依据的信息主要是多年来的销售历史数据。但是，这些对每年的销售额进行比较的方法是错误的。.
影响库存状况的多重参数
总之，在同一时期，许多参数都可能改变购物行为。这可能与气象、消费趋势（«全球购物者 »对奢侈品等旅游客户相关类别的影响、监管变化）、罕见新产品类别的新产品上市、卫生危机（！）、新的行为方式等有关。此外，这种预测也没有考虑到价值的演变，即潜在的间歇性，因为它们会 «松动 »销售量，就像它们被强制地 "松动 "一样。或者说，过去的库存断裂会导致某种产品或某类产品的销售暂时中断。这些库存断裂被认为是消费者不满的信号，而相反，库存断裂可能会导致销售量比正常情况下更高。此外，必须注意的是，射线破裂并不意味着库存破裂。在面积较大的情况下，很难保证射线在瞬间恢复。借助能够解决这些问题的技术，根据需求调整分销渠道是分销商的当务之急。.
机器学习在商场中保护人类安全
这就是机器学习的结果！要构建能够预测 4 个半月销售量的模型，就必须考虑到最多可能影响销售量变化的因素，并通过一系列指示器（如季节性、趋势或价格），对每一个 "日期 x 产品 x 专卖店 "三元组进行精确分析。为什么要对这三个指标进行简要说明？举例来说，如果预测是根据购买日期做出的，就有可能出现偏差。在不同的年份，同一日期可能对应或不对应周末的某一天、家庭或宗教节日、重要的足球比赛......这些都是某些类别产品消费下降的原因。例如，在价格方面，一个产品的促销活动可能会蚕食同类产品的销售量，甚至会增强一个商场的吸引力。要优化促销策略，就必须了解其影响。可以通过基于机器学习和人工智能技术的模型对可能影响销售额的参数进行分析。.
机器学习在股票问题上的两个重要应用
如果技术成熟，那么分发人员就必须能够收集和分析这些预测所需的大量数据。数据来源是多方面的，因此，将不同的 Excel 和 PDF 文件汇集在一起并将其整合在一起是非常复杂的，因为这些文件中包含了有关媒体计划和其他报告的信息。使用大 data 工具将保护数据统一到一个点上，是建立能够解决库存问题的模型的基础。请看两个例子。.
绝大多数分销商都提供多年的销售数据。但是，某些发行商可能会面临没有事先宣传的促销活动或活动（canicule、在邻近地区组织大型体育活动）。为了弥补这一不足，我们可以将历史数据与分销商或类似销售点的数据结合起来。该模型在中国 020 平台上进行了 Artefact 的测试和验证，其预测精度提高了 20%。.
Autre défi : éviter la rupture en rayon alors que le produit est présent en stock.很难要求大面积的工薪阶层持续不断地对设备进行更换。此外，安装凸轮和摄像头的费用也很高。Dans ce cas précis, des sets de données restreints comme les ventes en temps réel, les attributs de l'article et les caractéristiques des rayonnages suffisent à anticiper les ruptures de stocks en rayon.举例来说，它可以模拟产品的破裂频率，即同一产品在两个销售点之间的破裂时间。如果出现统计异常情况，销售商可通过分析情况和采取补救措施。.
data 和机器学习在零售业的应用是多方面的，而销售预测只占很小一部分。除了通过优化库存管理来降低成本外，对数据的利用还能在供应链的上游或下游提供宝贵的帮助。它是一种真正的辅助工具，使人类摆脱了为获得可靠结果而进行的复杂工作，可以将更多的时间用于制定商业战略或改善客户体验。.
